初探 C# GPU 通用计算技术

GPU 的并行计算能力高于 CPU，因此最近也有不少利用 GPU 的项目出如今咱们的视野中，在 InfoQ 上看到这篇介绍 Accelerator-V2 的文章，它是微软研究院的研究项目，须要注册后才能下载，感受做为我接触 GPU 通用运算的第一步还不错，因而去下载了回来。

 

在安装包里，包含了几个例子程序，好比著名的 Life 游戏，不过，Life 游戏，相对于刚接触 GPU 运算的我，仍是稍显复杂了。因而简化一下，只是进行一些简单的计算，发现，DX9Target.ToArray 若是返回参数是 int 数组的话，则会爆出“未支持的操做”的异常，想一想也对，显卡确实是精于浮点运算的。

 

原本，我觉得，GPU 运算是 DirectX 11 才有的功能，可是 Accelerator 支持的倒是 DirectX 9，想来 DirectX 11 支持的运算能力更高、方式更简单吧。

 

为了简单比较一下 CPU 和 GPU 的速度，也写了一个 .net 4 的并行运算的程序，由于 DX9Target 不支持 int，因此这里的数组也用 float，以下：

 

 

代码

private const int GridSize = 1024 ; private float [] _map; public Form1() { InitializeComponent(); _map = new float [GridSize * GridSize]; for ( int y = 0 ; y < GridSize; y ++ ) { for ( int x = 0 ; x < GridSize; x ++ ) { _map[x * GridSize + y] = x * y; } } Render(); } private void Start_Click( object sender, EventArgs e) { var stopwatch = new Stopwatch(); stopwatch.Start(); _map = _map.AsParallel().Select(p => p * p * p / 4 + 194 ).ToArray(); var time = stopwatch.ElapsedMilliseconds; this .Text = time.ToString(); Render(); } private void Render() { var workingBitmap = new Bitmap(pictureBox1.Width, pictureBox1.Height); for ( int y = 0 ; y < pictureBox1.Height; y ++ ) { for ( int x = 0 ; x < pictureBox1.Width; x ++ ) { workingBitmap.SetPixel(x, y, Color.FromArgb( - 0x1000000 | ( int )_map[x * 2 * GridSize + y * 2 ])); } } pictureBox1.Image = workingBitmap; }

 

 

而使用 Accelerator 的代码以下：

 

 

代码

private const int GridSize = 1024 ; private readonly DX9Target _target; private float [,] _map; public Form1() { InitializeComponent(); _target = new DX9Target(); _map = new float [GridSize, GridSize]; for ( int y = 0 ; y < GridSize; y ++ ) { for ( int x = 0 ; x < GridSize; x ++ ) { _map[x, y] = x * y; } } Render(); } private void Start_Click( object sender, EventArgs e) { var stopwatch = new Stopwatch(); stopwatch.Start(); var p = new FloatParallelArray(_map); p = p * p * p / 4 + 194 ; _target.ToArray(p, out _map); var time = stopwatch.ElapsedMilliseconds; this .Text = time.ToString(); Render(); } private void Render() { var workingBitmap = new Bitmap(pictureBox1.Width, pictureBox1.Height); for ( int y = 0 ; y < pictureBox1.Height; y ++ ) { for ( int x = 0 ; x < pictureBox1.Width; x ++ ) { workingBitmap.SetPixel(x, y, Color.FromArgb( - 0x1000000 | ( int )_map[x * 2 ， y * 2 ])); } } pictureBox1.Image = workingBitmap; }

 

 

 

用个人笔记本（CPU 为 Core i5 430, 显卡为 ATI 5650）测试，对它们两个程序，都点击几回 Start 按钮，发现运行 3 次左右，图片框会变成全黑，这时，普通并行程序运算速度变慢，而 GPU 程序运行速度无明显变化，普通并行程序 4 次值为：96，89，277，291，而 GPU 程序 4 次值为：71，40，35，50。单就这个测试来讲，在个人电脑上，使用 GPU 的程序，大概比普通并行程序快一倍左右吧。这个测试自己，其实不见得很公平，结果仅供参考。

 

不过，在 Accelerator 中的并行编程，明显感受受到的约束很大，日常很容易的代码，要改为这种并行模式，须要花费不少力气，有些逻辑甚至没法实现。相对于 Accelerator，Brahma 的代码写起来就容易得多，也更易于阅读，其 Life 游戏的例子程序读起来简单而清晰，惋惜我编译了 Brahma v0.1 和 v0.4，在个人电脑上，DirectX 的例子程序没有效果，而 OpenGL 的例子程序则会报一个“The generated GLSL was invalid”的异常，看来还须要等它完善以后才能使用吧。